
Contexto
El paquete nycflights13 contiene información sobre
todos los vuelos que partieron desde Nueva York (EWR, JFK Y LGA) a
destinos en los Estados Unidos en 2013. Fueron 336,776 vuelos en total.
Para ayudar a comprender las causas de los retrasos, también incluye
otros conjuntos de datos útiles.
Este paquete incluye las siguientes tablas:
- flights = todos los vuelos que salieron de New York en 2013
- weather = datos metereológicos por hora de cada aeropuerto
- planes= información de construcción de cada avión
- airports = nombres y ubicaciones de aeropuertos
- airlines= relación entre nombres y códigos de las aerolíneas
Instalar paquetes y guardar
librerías
# install.packages("nycflights13")
library(nycflights13)
#install.packages("tidyverse")
library (tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.4.4 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.1
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
Guardar bases de datos
flights <- flights
weather <- weather
planes <- planes
airports <- airports
airlines <- airlines
Fuente:
Origen
de los datos
Relación entre las bases de
datos

Funciones básicas de Manejo de
Datos
Select
La función select sirve para seleccionar columnas de una
tabla (data frame).
df1 <- flights %>% select (carrier, flight) # Selección de columnas específicas
df2 <- flights %>% select (carrier:distance) # Selección de rango de columnas
df3 <- flights %>% select (-carrier, -flight) # Eliminar columnas específicas
df4 <- flights %>% select (-carrier: -distance) # Eliminar rango de columnas
df5 <- flights %>% select (aerolinea = carrier) # Selecciona una columna y le cambia el nombre
df6 <- flights %>% rename (aerolinea=carrier) # Cambia el nombre de una columna pero mantiene a toda la base datos
Filter
La función filter sirve para seleccionar renglones de una
tabla (data frame).
df7 <- flights %>% filter (dep_delay>=500) # Extrae renglones que cumplen con la condición
# Condicionales: Igual ==, Desigual =!=, Mayor que >, Mayor o igual que >=, Menor que <, Menor o igual que <=
# Operadores Lógicos: AND &, OR |, NOT !
df8 <- flights %>% filter (dep_delay>=500, dep_delay<600) # Extrae renglones que cumplan con dos condiciones
df9 <- flights %>% slice (1000:1099) # Extrae los números de los renglones indicados, sin importar sus valores
La función slide sirve para seleccionar renglones en
específico de una tabla
Distinct
La función distint sirve para eliminar renglones
duplicados.
df10 <- distinct(flights) # Dejar solo los renglones diferentes, borra todos los repetidos
Merge
La función merge sirve para juntar bases de datos
bdgrande <- merge(flights, airlines, by="carrier")
bdgrande2 <- merge(bdgrande,planes, by="tailnum")
Mutate
La función Mutate para crear una nueva variable a partir de
operaciones de las variables que ya estan en la base de datos
bdgrande3 <- mutate(bdgrande2, dist_mts= distance*1.609)
# Agrega variables nuevas calculadas a partir de variables existentes en la base de datos
EJERCICIOS
- Encuentra todos los vuelos que tuvieron un atraso de 2 horas o más
en llegada
ejercicio1 <- bdgrande2 %>% filter (arr_delay>=120)
- Encuentra todos los vuelos que llegaron a Houston (IAH o HOU)
ejercicio2 <- bdgrande2 %>% filter(dest== "IAH"|dest =="HOU")
- Encuentra todos los vuelos operados por United, American o
Delta
ejercicio3 <- bdgrande2 %>% filter(carrier %in% c("UA","AA","DL"))
- Encuentra todos los vuelos que despegaron en Julio, Agosto o
Septiembre
ejercicio4 <- bdgrande2 %>% filter(month %in% c("7","8","9"))
- Encuentra todos los vuelos que arribaron más de 2 horas tarde, pero
no despegaron tarde
ejercicio5 <- bdgrande2 %>% filter(arr_delay> 120 & dep_delay <= 0)
- Encuentra todos los vuelos que se retrasaron al menos 1 hora, pero
que llegaron antes 30 minutos o más.
ejercicio6 <- bdgrande2 %>% filter(dep_delay >= 60 & arr_delay <= -30)
- Encuentra todos los vuelos que salieron entre la medianoche y las 6
a.m.
ejercicio7 <- bdgrande2 %>% filter(dep_time>= 2400 & dep_time <= 600)
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